1. 引言

在人工智能領域，Multi Agent 系統(tǒng)正逐漸成為解決復雜問題、實現(xiàn)高效協(xié)作的關鍵技術(shù)。CrewAI 作為一款強大的多 Agent 協(xié)作工具，為開發(fā)者提供了便捷的方式來構(gòu)建智能協(xié)作系統(tǒng)。本文將詳細介紹如何基于 CrewAI 構(gòu)建 Multi Agent 系統(tǒng)。

2. CrewAI 核心概念詳解

2.1 代理（Agent）

2.1.1 Agent的定義與功能

Agent是 CrewAI 中的自主單元，具備執(zhí)行任務、做出決策和與其他代理通信的能力。它們?nèi)缤瑘F隊中的成員，各自承擔特定角色，如研究員、作家或客戶支持等，共同為實現(xiàn)團隊目標貢獻力量。

2.1.2 代理屬性

• 角色（Role）：明確代理在團隊中的功能定位，決定其最適合執(zhí)行的任務類型。例如，研究員角色的代理擅長收集和分析信息，而作家角色的代理則專注于創(chuàng)作內(nèi)容。
• 目標（Goal）：指導代理的決策過程，是代理努力實現(xiàn)的個體目標。比如，數(shù)據(jù)分析師代理的目標可能是提取可操作的見解，以支持業(yè)務決策。
• 背景故事（Backstory）：為代理的角色和目標提供豐富背景信息，增強互動和協(xié)作的動態(tài)性。以數(shù)據(jù)分析師為例，其背景故事可以是 “您是一家大公司的數(shù)據(jù)分析師。您負責分析數(shù)據(jù)并為業(yè)務提供見解。您目前正在進行一個項目，分析我們營銷活動的表現(xiàn)?！?/li>
• LLM（可選）：表示運行代理的語言模型。若未指定，默認從??OPENAI_MODEL_NAME??環(huán)境變量中獲取模型名稱，否則默認為 "gpt - 4"。開發(fā)者可以根據(jù)需求選擇合適的語言模型，以滿足不同任務的處理要求。
• 工具（可選）：代理可使用的一組能力或功能集，通常是與執(zhí)行環(huán)境兼容的自定義類實例，默認值為空列表。這些工具能夠擴展代理的能力，使其能夠執(zhí)行諸如網(wǎng)頁搜索、數(shù)據(jù)分析等操作。
• 調(diào)用功能的 LLM（可選）：指定處理該代理工具調(diào)用的語言模型，若傳遞則覆蓋團隊功能調(diào)用 LLM，默認值為??None??。通過靈活配置此屬性，開發(fā)者可以更精準地控制代理的工具調(diào)用行為。
• 最大迭代次數(shù)（可選）：代理在被強制給出最佳答案前可執(zhí)行的最大迭代次數(shù)，默認值為 25。合理設置該參數(shù)有助于控制任務執(zhí)行的深度和效率。
• 最大請求次數(shù)（可選）：代理每分鐘可執(zhí)行的最大請求數(shù)，用于避免速率限制，默認值為??None??。開發(fā)者可根據(jù)實際情況進行設置，以確保系統(tǒng)穩(wěn)定運行。
• 最大執(zhí)行時間（可選）：代理執(zhí)行任務的最大時長，默認值為??None??，表示無最大執(zhí)行時間限制。此屬性可用于控制任務的執(zhí)行周期，防止任務長時間占用資源。
• 詳細模式（可選）：將其設置為??True???可配置內(nèi)部記錄器提供詳細執(zhí)行日志，便于調(diào)試和監(jiān)控，默認值為??False??。在開發(fā)和優(yōu)化過程中，開啟詳細模式有助于快速定位問題。
• 允許委托（可選）：代理之間可相互委托任務或問題，確保任務由最合適的代理處理，默認值為??True??。這一特性促進了團隊內(nèi)部的靈活協(xié)作，提高了任務處理的準確性和效率。
• 步驟回調(diào)（可選）：在代理每個步驟后調(diào)用的函數(shù)，可用于記錄操作或執(zhí)行其他操作，會覆蓋團隊??step_callback??。開發(fā)者可以利用此回調(diào)函數(shù)實現(xiàn)自定義的監(jiān)控和處理邏輯。
• 緩存（可選）：指示代理是否使用工具使用緩存，默認值為??True??。緩存機制有助于提高任務執(zhí)行效率，減少重復計算。

2.1.3 創(chuàng)建代理

代理可以使用 crewAI 內(nèi)置的委托和通信機制相互交互。這允許在團隊內(nèi)進行動態(tài)任務管理和問題解決。

要創(chuàng)建代理，通常會使用所需屬性初始化??Agent??類的實例。以下是一個包含所有屬性的概念示例：

# 示例：創(chuàng)建具有所有屬性的代理
from crewai import Agent


agent = Agent(
  role='數(shù)據(jù)分析師',
  goal='提取可操作的見解',
  backstory="""您是一家大公司的數(shù)據(jù)分析師。
  您負責分析數(shù)據(jù)并為業(yè)務提供見解。
  您目前正在進行一個項目，分析我們營銷活動的表現(xiàn)。""",
  tools=[my_tool1, my_tool2],  # 可選，默認為空列表
  llm=my_llm,  # 可選
  function_calling_llm=my_llm,  # 可選
  max_iter=15,  # 可選
  max_rpm=None, # 可選
  verbose=True,  # 可選
  allow_delegation=True,  # 可選
  step_callback=my_intermediate_step_callback,  # 可選
  cache=True  # 可選
)

2.2 任務（Task）

2.2.1 任務定義與協(xié)作

在 CrewAI 框架中，任務是代理需要完成的具體工作，包含執(zhí)行所需的各種細節(jié)，如清晰的描述、負責執(zhí)行的代理、所需工具等。任務可以是協(xié)作性的，通過屬性管理和流程編排，實現(xiàn)多個代理的協(xié)同工作，提升團隊合作效率。

2.2.2 任務的屬性

• 描述（Description）：對任務內(nèi)容的清晰簡明陳述，讓代理明確知道需要做什么。例如 “查找并總結(jié)有關人工智能的最新和最相關新聞”。
• 代理（Agent）：負責任務執(zhí)行的代理，可以直接指定，也可由 Crew 的流程根據(jù)角色、可用性等因素分配。這確保了任務能夠找到合適的執(zhí)行者。
• 預期輸出（Expected Output）：對任務完成后的詳細描述，使代理清楚任務的目標和期望結(jié)果。比如 “對前 5 條最重要的人工智能新聞進行項目符號列表總結(jié)”。
• 工具（可選）：代理執(zhí)行任務時使用的功能或能力，可增強任務性能和代理交互。通過選擇合適的工具，代理能夠更高效地完成任務。
• 異步執(zhí)行（可選）：設置后任務將異步執(zhí)行，允許在不等待完成的情況下繼續(xù)推進其他任務，適用于耗時較長或?qū)罄m(xù)任務執(zhí)行影響不大的任務。
• 上下文（可選）：指定輸出用作此任務上下文的任務，明確任務之間的依賴關系，實現(xiàn)任務輸出的有效傳遞和利用。
• 配置（可選）：用于執(zhí)行任務的代理的附加配置細節(jié)，提供了進一步定制任務執(zhí)行的靈活性。
• 輸出 JSON（可選）：輸出 JSON 對象，需要 OpenAI 客戶端，且只能設置一種輸出格式。此屬性方便與其他系統(tǒng)進行數(shù)據(jù)交互和集成。
• 輸出 Pydantic（可選）：輸出 Pydantic 模型對象，同樣需要 OpenAI 客戶端，且只能設置一種輸出格式。開發(fā)者可根據(jù)實際需求選擇合適的輸出格式。
• 輸出文件（可選）：將任務輸出保存到文件，若與??輸出JSON???或??輸出Pydantic??一起使用，可指定輸出保存方式。這有助于數(shù)據(jù)的持久化和后續(xù)分析。
• 回調(diào)（可選）：任務完成后執(zhí)行的 Python 可調(diào)用函數(shù)，可用于根據(jù)任務結(jié)果觸發(fā)操作或通知，如發(fā)送郵件等。
• 人工輸入（可選）：指示任務是否需要最終人工反饋，對于需要人工監(jiān)督的任務非常有用，確保任務結(jié)果的準確性和可靠性。

2.2.3 創(chuàng)建任務

創(chuàng)建任務涉及定義其范圍、負責代理以及任何額外屬性以實現(xiàn)靈活性：

from crewai import Task


task = Task(
    description='查找并總結(jié)有關人工智能的最新和最相關新聞',
    agent=sales_agent
)

“任務分配”：直接為分配指定一個 ??代理???，或者讓 ???分層??? 的 CrewAI 流程根據(jù)角色、可用性等決定。

2.2.4 使用工具創(chuàng)建任務

import os
os.environ["OPENAI_API_KEY"] = "Your Key"
os.environ["SERPER_API_KEY"] = "Your Key" # serper.dev API key


from crewai import Agent, Task, Crew
from crewai_tools import SerperDevTool


research_agent = Agent(
  role='研究員',
  goal='查找并總結(jié)最新的人工智能新聞',
  backstory="""您是一家大公司的研究員。
  您負責分析數(shù)據(jù)并為業(yè)務提供見解。""",
  verbose=True
)


search_tool = SerperDevTool()


task = Task(
  description='查找并總結(jié)最新的人工智能新聞',
  expected_output='對前 5條最重要的人工智能新聞進行項目符號列表總結(jié)',
  agent=research_agent,
  tools=[search_tool]
)


crew = Crew(
    agents=[research_agent],
    tasks=[task],
    verbose=2
)


result = crew.kickoff()
print(result)

2.2.5 任務依賴

在 crewAI 中，一個任務的輸出會自動傳遞到下一個任務，當有一個任務依賴于另一個任務的輸出，但并非立即在其后執(zhí)行時，這將非常有用。這通過任務的 ??上下文?? 屬性完成：

# ...


research_ai_task = Task(
    description='查找并總結(jié)最新的人工智能新聞',
    expected_output='對前 5條最重要的人工智能新聞進行項目符號列表總結(jié)',
    async_execution=True,
    agent=research_agent,
    tools=[search_tool]
)


research_ops_task = Task(
    description='查找并總結(jié)最新的人工智能運營新聞',
    expected_output='對前 5條最重要的人工智能運營新聞進行項目符號列表總結(jié)',
    async_execution=True,
    agent=research_agent,
    tools=[search_tool]
)


write_blog_task = Task(
    description="撰寫一篇關于人工智能重要性及其最新新聞的完整博客文章",
    expected_output='4段長的完整博客文章',
    agent=writer_agent,
    context=[research_ai_task, research_ops_task]
)


#...

2.2.6 異步執(zhí)行

任務以異步方式執(zhí)行，意味著 Crew 不會等待其完成才繼續(xù)下一個任務。這對于需要很長時間完成的任務或?qū)ο乱粋€任務執(zhí)行不是至關重要的任務非常有用?？梢允褂?nbsp;??上下文?? 屬性在將來的任務中定義，它應等待異步任務的輸出完成。

#...


list_ideas = Task(
    description="探索有關人工智能文章的 5個有趣想法。",
    expected_output="一份包含 5個文章想法的項目符號列表。",
    agent=researcher,
    async_execution=True # 將以異步方式執(zhí)行
)


list_important_history = Task(
    description="研究人工智能的歷史，并告訴我 5個最重要的事件。",
    expected_output="包含 5個重要事件的項目符號列表。",
    agent=researcher,
    async_execution=True # 將以異步方式執(zhí)行
)


write_article = Task(
    description="撰寫一篇關于人工智能、其歷史和有趣想法的文章。",
    expected_output="一篇關于人工智能的 4段文章。",
    agent=writer,
    context=[list_ideas, list_important_history] # 將等待兩個任務的輸出完成
)


#...

2.2.7 回調(diào)機制

在任務完成后執(zhí)行回調(diào)函數(shù)，允許根據(jù)任務結(jié)果觸發(fā)操作或通知。

# ...


def callback_function(output: TaskOutput):
    # 任務完成后執(zhí)行某些操作
    # 例如：向經(jīng)理發(fā)送電子郵件
    print(f"""
        任務完成！
        任務：{output.description}
        輸出：{output.raw_output}
    """)


research_task = Task(
    description='查找并總結(jié)最新的人工智能新聞',
    expected_output='對前 5條最重要的人工智能新聞進行項目符號列表總結(jié)',
    agent=research_agent,
    tools=[search_tool],
    callback=callback_function
)


#...

2.2.8 訪問特定任務輸出

一組 Crew 運行完成后，可以通過使用任務對象的 ??output?? 屬性訪問特定任務的輸出：

# ...
task1 = Task(
    description='查找并總結(jié)最新的人工智能新聞',
    expected_output='對前 5條最重要的人工智能新聞進行項目符號列表總結(jié)',
    agent=research_agent,
    tools=[search_tool]
)


#...


crew = Crew(
    agents=[research_agent],
    tasks=[task1, task2, task3],
    verbose=2
)


result = crew.kickoff()


# 返回一個 TaskOutput 對象，其中包含任務的描述和結(jié)果
print(f"""
    任務完成！
    任務：{task1.output.description}
    輸出：{task1.output.raw_output}
""")

2.2.9 工具覆蓋機制

在任務中指定工具允許動態(tài)調(diào)整代理能力，突出了 CrewAI 的靈活性。

2.2.10 錯誤處理和驗證機制

在創(chuàng)建和執(zhí)行任務時，存在某些驗證機制，以確保任務屬性的健壯性和可靠性。這些驗證包括但不限于：

• 確保每個任務僅設置一種輸出類型，以保持清晰的輸出期望。
• 防止手動分配 ??id?? 屬性，以維護唯一標識符系統(tǒng)的完整性。

這些驗證有助于在 crewAI 框架內(nèi)維護任務執(zhí)行的一致性和可靠性。

2.3 工具（Tool）

2.3.1 工具的作用與類型

CrewAI 工具賦予代理多種能力，包括網(wǎng)頁搜索、數(shù)據(jù)分析、內(nèi)容生成和任務委派等，使代理能夠執(zhí)行各種復雜操作，實現(xiàn)從簡單搜索到復雜互動以及有效團隊合作的跨越。

2.3.2 工具的關鍵特征

• 實用性（Utility）：專為任務設計，涵蓋了多個領域的功能需求，如網(wǎng)頁搜索、數(shù)據(jù)分析、內(nèi)容生成等，滿足代理在不同場景下的工作需求。
• 集成性（Integration）：能夠無縫集成到工作流程中，與代理和任務緊密配合，提升代理的整體能力，實現(xiàn)高效協(xié)作。
• 可定制性（Customizability）：提供了靈活性，開發(fā)者既可以開發(fā)定制工具滿足特定需求，也可以利用現(xiàn)有工具，根據(jù)代理的實際需求進行個性化配置。
• 錯誤處理（Error Handling）：具備強大的錯誤處理機制，確保工具在運行過程中遇到異常時能夠優(yōu)雅地處理，保證系統(tǒng)的平穩(wěn)運行。
• 緩存機制（Caching Mechanism）：具有智能緩存功能，可優(yōu)化性能，減少冗余操作。開發(fā)者還可以通過??cache_function??屬性對緩存機制進行更精細的控制，進一步提高效率。

2.3.3 使用 crewAI 工具

要通過 crewAI 工具增強代理的能力，需要先安裝額外工具包：

pip install 'crewai[tools]'

下面是使用案例

import os
from crewai import Agent, Task, Crew


# 導入 crewAI 工具
from crewai_tools import (
    DirectoryReadTool,
    FileReadTool,
    SerperDevTool,
    WebsiteSearchTool
)
# 設置 API 密鑰
os.environ["SERPER_API_KEY"] = "Your Key" # serper.dev API 密鑰
os.environ["OPENAI_API_KEY"] = "Your Key"


# 實例化工具
docs_tool = DirectoryReadTool(directory='./blog-posts')
file_tool = FileReadTool()
search_tool = SerperDevTool()
web_rag_tool = WebsiteSearchTool()


# 創(chuàng)建代理
researcher = Agent(
    role='市場研究分析師',
    goal='提供關于人工智能行業(yè)最新市場分析',
    backstory='一位對市場趨勢敏銳的專家分析師。',
    tools=[search_tool, web_rag_tool],
    verbose=True
)


writer = Agent(
    role='內(nèi)容撰寫人員',
    goal='撰寫有關人工智能行業(yè)的引人入勝的博客文章',
    backstory='一位對技術(shù)充滿激情的熟練撰稿人。',
    tools=[docs_tool, file_tool],
    verbose=True
)
# 定義任務
research = Task(
    description='研究人工智能行業(yè)的最新趨勢并提供摘要。',
    expected_output='關于人工智能行業(yè)前三個熱門發(fā)展的摘要，并對其重要性提供獨特視角。',
    agent=researcher
)
write = Task(
    description='根據(jù)研究分析師的摘要撰寫一篇引人入勝的博客文章。從目錄中最新的博客文章中汲取靈感。',
    expected_output='一篇以 markdown 格式排版的四段博客文章，內(nèi)容引人入勝、信息豐富且易懂，避免使用復雜術(shù)語。',
    agent=writer,
    output_file='blog-posts/new_post.md'  # 最終的博客文章將保存在此處
)


# 組建團隊
crew = Crew(
    agents=[researcher, writer],
    tasks=[research, write],
    verbose=2
)


# 執(zhí)行任務
crew.kickoff()

2.3.3 可用的 CrewAI 工具

CrewAI 提供了豐富的工具，如??CodeDocsSearchTool???（搜索代碼文檔和相關技術(shù)文檔的 RAG 工具）、???CSVSearchTool???（在 CSV 文件中搜索的 RAG 工具，處理結(jié)構(gòu)化數(shù)據(jù)）、???DirectorySearchTool???（用于目錄搜索，瀏覽文件系統(tǒng)）等眾多工具，每個工具都有其特定的用途和優(yōu)勢，可根據(jù)任務需求選擇合適的工具。

2.3.4 創(chuàng)建自己的工具

需要先安裝工具包

pip install 'crewai[tools]'

• 子類化??BaseTool???：通過繼承??BaseTool???類，開發(fā)者可以創(chuàng)建自定義工具。需要定義工具的名稱、描述，并實現(xiàn)??_run??方法來定義工具的具體功能邏輯。例如：

from crewai_tools import BaseTool


class MyCustomTool(BaseTool):
    name: str = "我的工具名稱"
    description: str = "清晰描述此工具用于什么，您的代理將需要這些信息來使用它。"
    def _run(self, argument: str) -> str:
        # 實現(xiàn)在這里
        return "自定義工具的結(jié)果"

• 利用??tool???裝飾器：使用??tool???裝飾器可以更簡潔地創(chuàng)建自定義工具。只需定義函數(shù)，在函數(shù)上方添加??@tool??裝飾器，并提供工具名稱和描述即可。例如：

from crewai_tools import tool


@tool("我的工具名稱")
def my_tool(question: str) -> str:
    """清晰描述此工具用于什么，您的代理將需要這些信息來使用它。"""
    # 函數(shù)邏輯在這里
    return "您的自定義工具的結(jié)果"

• 自定義緩存機制：工具可以選擇實現(xiàn)??cache_function??來微調(diào)緩存行為。根據(jù)特定條件確定何時緩存結(jié)果，提供對緩存邏輯的細粒度控制。例如：

from crewai_tools import tool


@tool
def multiplication_tool(first_number: int, second_number: int) -> str:
    """當您需要將兩個數(shù)字相乘時有用。"""
    return first_number * second_number


def cache_func(args, result):
    # 在這種情況下，僅在結(jié)果是2的倍數(shù)時才緩存結(jié)果
    cache = result % 2 == 0
    return cache


multiplication_tool.cache_function = cache_func

2.3.5 使用 LangChain 工具

CrewAI 與 LangChain 的工具包無縫集成，開發(fā)者可以利用 LangChain 提供的內(nèi)置工具，如??GoogleSerperAPIWrapper??等，通過簡單的配置將其集成到 CrewAI 系統(tǒng)中，擴展代理的能力。例如：

from crewai import Agent
from langchain.agents import Tool
from langchain.utilities import GoogleSerperAPIWrapper


# 設置API密鑰
os.environ["SERPER_API_KEY"] = "Your Key"
search = GoogleSerperAPIWrapper()


# 創(chuàng)建并將搜索工具分配給代理
serper_tool = Tool(
  name="中級答案",
  func=search.run,
  description="用于基于搜索的查詢的工具"
)


agent = Agent(
  role='研究分析師',
  goal='提供最新的市場分析',
  backstory='一位對市場趨勢敏銳的專家分析師。',
  tools=[serper_tool]
)

2.4 流程（Process）

2.4.1 流程實現(xiàn)方式

• 順序執(zhí)行（Sequential）：任務按照預先定義的順序依次執(zhí)行，一個任務的輸出作為下一個任務的上下文，確保任務執(zhí)行的有序性和連貫性。
• 分級（Hierarchical）：將任務組織在管理層級中，通過指定管理語言模型（??manager_llm??）啟用該流程。管理者代理負責監(jiān)督任務執(zhí)行，包括規(guī)劃、委派和驗證任務，任務根據(jù)代理能力分配，而非預分配。
• 共識流程（計劃中）：旨在實現(xiàn)代理之間在任務執(zhí)行上的協(xié)作決策，引入民主的任務管理方式，目前尚未在代碼庫中實施，但體現(xiàn)了 CrewAI 對持續(xù)發(fā)展和創(chuàng)新的追求。

2.4.2 流程在團隊合作中的作用

流程使個體代理能夠作為一個有凝聚力的整體運作，簡化協(xié)作努力，以高效、協(xié)調(diào)的方式實現(xiàn)共同目標。通過合理的流程設計，團隊能夠更好地應對復雜任務，提高整體工作效率。

2.4.3 將流程分配給manager

在創(chuàng)建manager時，開發(fā)者可以指定流程類型來設置執(zhí)行策略。對于分級流程，必須為管理者代理定義??manager_llm??。例如：

from crewai import Crew
from crewai.process import Process
from langchain_openai import ChatOpenAI


# 順序流程
crew = Crew(
    agents=my_agents,
    tasks=my_tasks,
    process=Process.sequential
)


# 分級流程，確保提供manager_llm
crew = Crew(
    agents=my_agents,
    tasks=my_tasks,
    process=Process.hierarchical,
    manager_llm=ChatOpenAI(model="gpt - 4")
)

2.4.4 附加任務特性

• 異步執(zhí)行（Asynchronous Execution）：允許任務異步執(zhí)行，實現(xiàn)并行處理，提高船員整體生產(chǎn)力。開發(fā)者可以根據(jù)任務特點靈活選擇同步或異步執(zhí)行方式。
• 人工輸入審查（Human Input Review）：提供可選的人工審查任務輸出功能，在最終確定任務結(jié)果前確保質(zhì)量和準確性，引入了額外的監(jiān)督層，保障任務執(zhí)行的可靠性。
• 輸出定制（Output Customization）：任務支持多種輸出格式，如 JSON（??output_json???）、Pydantic 模型（??output_pydantic???）和文件輸出（??output_file??），滿足不同需求，方便數(shù)據(jù)的處理和利用。

2.5 團隊（Crews）

2.5.1 團隊屬性

• 任務（Tasks）：分配給團隊的任務列表，明確團隊需要完成的工作內(nèi)容。
• 代理（Agents）：屬于團隊的代理列表，確定團隊成員構(gòu)成，每個代理都有其獨特的角色和能力。
• 流程（可選）：團隊遵循的流程類型，如順序或分層流程，決定任務執(zhí)行的順序和方式。
• 詳細程度（可選）：執(zhí)行過程中日志記錄的詳細程度，便于開發(fā)者在調(diào)試和監(jiān)控時獲取足夠信息。
• 經(jīng)理 LLM（可選，分層流程必需）：分層流程中經(jīng)理代理使用的語言模型，用于管理任務執(zhí)行過程。
• 功能調(diào)用 LLM（可選）：若傳遞，團隊將使用此 LLM 為所有代理進行工具的功能調(diào)用，開發(fā)者可根據(jù)需求靈活配置。
• 配置（可選）：團隊的可選配置設置，以??Json???或??Dict[str, Any]??格式提供，用于進一步定制團隊行為。
• 最大 RPM（可選）：團隊執(zhí)行過程中每分鐘可執(zhí)行的最大請求數(shù)，避免速率限制，可覆蓋個別代理的??max_rpm??設置。
• 語言（可選）：團隊使用的語言，默認為英語，可根據(jù)實際需求進行調(diào)整。
• 語言文件（可選）：用于團隊的語言文件路徑，方便進行多語言支持。
• 內(nèi)存（可選）：用于存儲執(zhí)行記憶（短期、長期、實體記憶），增強團隊的執(zhí)行能力和學習能力。
• 緩存（可選）：指定是否使用緩存存儲工具執(zhí)行結(jié)果，提高流程效率。
• 嵌入器（可選）：團隊使用的嵌入器配置，主要用于內(nèi)存功能，影響數(shù)據(jù)的嵌入和檢索方式。
• 完整輸出（可選）：決定團隊是否返回包含所有任務輸出的完整輸出或僅最終輸出，滿足不同的結(jié)果獲取需求。
• 步驟回調(diào)（可選）：在每個代理的每個步驟后調(diào)用的函數(shù)，用于記錄操作或執(zhí)行其他操作，不覆蓋特定于代理的??step_callback??。
• 任務回調(diào)（可選）：在每個任務完成后調(diào)用的函數(shù)，用于監(jiān)控或執(zhí)行任務后的其他操作。
• 共享團隊（可選）：是否與 CrewAI 團隊共享完整的團隊信息和執(zhí)行情況，以改進庫并允許訓練模型。
• 輸出日志文件（可選）：是否創(chuàng)建包含完整團隊輸出和執(zhí)行情況的文件，可指定文件路徑和名稱。

2.5.2 創(chuàng)建團隊示例

以下是一個組建團隊的示例，展示如何將具有互補角色和工具的代理結(jié)合在一起，分配任務并選擇流程：

from crewai import Crew, Agent, Task, Process
from langchain_community.tools import DuckDuckGoSearchRun


# 定義具有特定角色和工具的代理
researcher = Agent(
    role='高級研究分析師',
    goal='發(fā)現(xiàn)創(chuàng)新的人工智能技術(shù)',
    tools=[DuckDuckGoSearchRun()]
)


writer = Agent(
    role='內(nèi)容撰稿人',
    goal='撰寫有關人工智能發(fā)現(xiàn)的引人入勝的文章',
    verbose=True
)


# 為代理創(chuàng)建任務
research_task = Task(
    description='識別突破性人工智能技術(shù)',
    agent=researcher
)
write_article_task = Task(
    description='撰寫關于最新人工智能技術(shù)的文章',
    agent=writer
)


# 使用順序流程組裝團隊
my_crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_article_task],
    process=Process.sequential,
    full_output=True,
    verbose=True,
)

2.5.3 團隊執(zhí)行流程

• 順序流程（Sequential）：任務依次執(zhí)行，工作線性流動，簡單直觀，適用于任務之間有明確先后順序的場景。
• 分層流程（Hierarchical）：經(jīng)理代理協(xié)調(diào)團隊，委派任務并在繼續(xù)之前驗證結(jié)果。此流程需要??manager_llm??，適用于復雜任務的管理和分配，確保任務的高效執(zhí)行和質(zhì)量控制。
• 啟動團隊：使用??kickoff()??方法啟動團隊工作流程，根據(jù)定義的流程開始執(zhí)行任務，獲取任務執(zhí)行結(jié)果。例如：

# 啟動團隊的任務執(zhí)行
result = my_crew.kickoff()
print(result)

2.6 記憶（Memory）

2.6.1 記憶系統(tǒng)組成部分

• 短期記憶（Short - term Memory）：暫時存儲最近的互動和結(jié)果，使代理能夠迅速回憶和利用與當前情境緊密相關的信息，從而在對話或任務序列中保持連貫性，做出更貼合實際情況的決策和回應。
• 長期記憶（Long - term Memory）：猶如一個知識寶庫，保留從過往執(zhí)行中積累的寶貴見解和學習成果。隨著時間的推移，代理能夠不斷從中汲取經(jīng)驗，逐步構(gòu)建和完善自身的知識體系，進而提升未來決策和問題解決的能力，以更好地應對復雜多變的任務場景。
• 實體記憶（Entity Memory）：專注于捕獲和組織在任務執(zhí)行過程中遇到的各類實體信息，涵蓋人、地點、概念等。這有助于代理深入理解復雜信息之間的內(nèi)在聯(lián)系，通過對實體關系的精準映射，更高效地處理和整合相關知識，為解決問題提供更全面、深入的視角。
• 上下文記憶（Context Memory）：致力于維護互動過程中的上下文信息，確保代理在一系列任務或連續(xù)對話中，能夠始終保持響應的連貫性和相關性。即使在長時間的交互過程中，也能準確理解任務背景和意圖，避免出現(xiàn)信息斷層或誤解，從而提供更加準確、合理的輸出。

2.6.2 記憶系統(tǒng)如何賦能代理

• 上下文意識增強：借助短期記憶和上下文記憶的協(xié)同作用，代理能夠在對話或任務的演進過程中，牢牢把握上下文脈絡。無論是多輪對話中的信息關聯(lián)，還是任務序列中的邏輯延續(xù)，代理都能依據(jù)存儲的上下文信息，生成更加連貫、一致且符合情境的回應，極大地提升了交互體驗的流暢性和邏輯性。
• 經(jīng)驗積累與學習加速：長期記憶為代理提供了一個不斷成長和進化的平臺。通過存儲和回顧過去的行動及結(jié)果，代理能夠從中總結(jié)經(jīng)驗教訓，發(fā)現(xiàn)規(guī)律和模式，進而不斷優(yōu)化自身的決策策略和問題解決方法。這種經(jīng)驗積累的過程使得代理在面對類似問題時，能夠迅速做出更明智、更高效的決策，顯著提高工作效率和質(zhì)量。
• 實體理解與信息處理優(yōu)化：實體記憶賦予代理識別和記憶關鍵實體的能力，使其在處理復雜信息時能夠快速聚焦核心要點，理清信息之間的相互關系。這不僅有助于代理更準確地理解任務需求，還能在面對海量信息時，迅速篩選出有價值的內(nèi)容，提高信息處理的速度和精度，從而更有效地應對復雜任務和多樣化的問題場景。

2.6.3 在團隊中實施記憶

在配置團隊時，開發(fā)者可以根據(jù)團隊目標和任務性質(zhì)，靈活啟用和定制每個記憶組件。默認情況下，記憶系統(tǒng)處于關閉狀態(tài)，通過在團隊配置中設置??memory = True???，即可激活記憶功能，為團隊注入強大的記憶能力。記憶默認使用 OpenAI Embeddings，但開發(fā)者也可以通過調(diào)整???embedder???參數(shù)，將其設置為其他模型，如 Google AI、Azure OpenAI、GPT4ALL、Vertex AI 或 Cohere 等，以滿足不同場景下的需求。例如：

from crewai import Crew, Agent, Task, Process


# 使用具有記憶功能的團隊，采用默認的OpenAI Embeddings
my_crew = Crew(
    agents=[...],
    tasks=[...],
    process=Process.sequential,
    memory=True,
    verbose=True
)


# 使用具有記憶功能的團隊，切換為Google AI嵌入
my_crew = Crew(
    agents=[...],
    tasks=[...],
    process=Process.sequential,
    memory=True,
    verbose=True,
    embedder={
        "provider": "google",
        "config":{
            "model": 'models/embedding - 001',
            "task_type": "retrieval_document",
            "title": "Embeddings for Embedchain"
        }
    }
)

2.6.4 使用 CrewAI 記憶系統(tǒng)的好處

• 自適應學習與持續(xù)優(yōu)化：隨著時間的推移和任務的不斷執(zhí)行，團隊能夠逐漸適應新的信息和任務要求，不斷完善處理任務的方法和策略。記憶系統(tǒng)使代理能夠從過往經(jīng)驗中學習，自動調(diào)整行為模式，從而在面對新情況時更加從容，團隊整體效率也會隨著經(jīng)驗的積累而不斷提升。
• 個性化體驗提升：記憶功能使代理能夠記錄和識別用戶的偏好、歷史互動等信息，從而為用戶提供更加個性化的服務和體驗。無論是在內(nèi)容推薦、問題解答還是交互方式上，代理都能夠根據(jù)用戶的個性化特征進行精準回應，滿足用戶的特定需求，增強用戶與系統(tǒng)之間的粘性和滿意度。
• 問題解決能力強化：豐富的記憶存儲庫為代理提供了強大的知識后盾，使其在解決問題時能夠充分借鑒過去的學習成果和上下文信息。通過快速檢索和利用相關經(jīng)驗，代理能夠更全面地分析問題，發(fā)現(xiàn)潛在的解決方案，做出更明智、更準確的決策，從而有效提升解決復雜問題的能力，為團隊的成功運作提供有力支持。

3. 基于 CrewAI 構(gòu)建 Multi Agent 系統(tǒng)的實踐步驟

3.1 準備工作

3.1.1 環(huán)境配置

確保系統(tǒng)滿足 CrewAI 和相關依賴項的安裝要求。根據(jù)不同的操作系統(tǒng)，可能需要安裝特定的軟件包或配置環(huán)境變量。例如，在某些系統(tǒng)上可能需要安裝 Python 環(huán)境、相關的庫以及配置 API 密鑰等。

3.1.2 安裝 CrewAI 和 Ollama（可選）

按照官方文檔的指導，依次安裝 CrewAI 和 Ollama（如果需要使用 Ollama）。安裝過程中可能需要注意版本兼容性、依賴關系等問題，確保安裝順利完成。例如，使用 pip 命令安裝 CrewAI 及其工具包：??pip install crewai[tools]??，并根據(jù) Ollama 的安裝指南進行相應操作。

3.1.3 設置模型

在 CrewAI 的配置文件中，將語言模型（LLM）設置為所需的模型，如 Llama3 等。這一步驟確保代理在執(zhí)行任務時能夠使用合適的語言模型進行推理和決策。

3.2 創(chuàng)建代理

3.2.1 定義代理角色和目標

根據(jù)任務需求，明確每個代理的角色和目標。例如，創(chuàng)建一個負責信息收集的代理，其角色可以定義為 “信息采集員”，目標為 “收集特定領域的相關信息”；再如，創(chuàng)建一個專注于數(shù)據(jù)分析的代理，角色為 “數(shù)據(jù)分析師”，目標是 “對收集到的數(shù)據(jù)進行深入分析，提取有價值的見解”。

3.2.2 配置代理屬性

根據(jù)代理的角色和任務特點，合理配置代理的屬性，如選擇合適的語言模型、添加必要的工具、設置最大迭代次數(shù)、緩存策略等。以信息采集員代理為例，可以為其配置網(wǎng)頁搜索工具，設置較大的最大請求次數(shù)以提高信息獲取效率，同時開啟緩存以減少重復搜索；而數(shù)據(jù)分析師代理可能需要連接到特定的數(shù)據(jù)庫工具，根據(jù)分析任務的復雜程度調(diào)整最大迭代次數(shù)等屬性。

3.2.3 編寫代理背景故事（可選但推薦）

為代理編寫詳細的背景故事，雖然這是可選步驟，但可以為代理的行為和決策提供更豐富的上下文，增強代理的擬人化特征，有助于提升系統(tǒng)的交互性和可解釋性。例如，為信息采集員編寫背景故事：“您是一名專業(yè)的信息采集員，擅長在海量的網(wǎng)絡信息中快速篩選出有價值的內(nèi)容。您長期從事數(shù)據(jù)收集工作，對各種信息源了如指掌，并且熟練掌握多種搜索技巧和工具。此次任務是為了幫助團隊獲取關于 [具體領域] 的最新信息，為后續(xù)的分析和決策提供有力支持?！?/p>

3.3 定義任務

3.3.1 明確任務描述

對每個任務進行清晰、準確的描述，確保代理能夠明確理解任務的具體要求。例如，“分析過去一個月內(nèi)社交媒體上關于 [產(chǎn)品名稱] 的用戶反饋，提取主要的意見和建議”“根據(jù)市場數(shù)據(jù)預測未來三個月內(nèi) [行業(yè)名稱] 的發(fā)展趨勢” 等。

3.3.2 分配任務代理

根據(jù)代理的角色和能力，將任務合理分配給相應的代理?？梢灾苯又付ㄘ撠焾?zhí)行任務的代理，也可以利用 CrewAI 的流程機制，讓系統(tǒng)根據(jù)代理的可用性、專業(yè)技能等因素自動分配任務。例如，將信息收集任務分配給信息采集員代理，將數(shù)據(jù)分析任務分配給數(shù)據(jù)分析師代理。

3.3.3 配置任務屬性

根據(jù)任務需求，設置任務的其他屬性，如預期輸出格式（JSON、Pydantic 模型或文件等）、是否需要異步執(zhí)行、是否需要人工輸入審查、設置任務上下文等。例如，對于實時性要求較高的任務，可以設置為異步執(zhí)行，以提高系統(tǒng)的整體響應速度；對于重要的決策性任務，可以開啟人工輸入審查，確保結(jié)果的準確性。

3.4 集成工具

3.4.1 選擇合適的工具

從 CrewAI 提供的豐富工具庫中選擇適合任務的工具，如用于網(wǎng)頁搜索的??WebsiteSearchTool???、用于文件讀取的???FileReadTool???、用于數(shù)據(jù)分析的???CSVSearchTool???等。也可以根據(jù)需要創(chuàng)建自定義工具，以滿足特定任務的獨特需求。

3.4.2 將工具與代理和任務集成

將選定的工具分配給相應的代理，使代理能夠在執(zhí)行任務時調(diào)用這些工具。在定義任務時，明確指定任務所需使用的工具，確保工具與任務緊密結(jié)合，協(xié)同工作。例如，在信息收集任務中，為信息采集員代理配備??WebsiteSearchTool???和???DirectorySearchTool???，以便其能夠從網(wǎng)頁和本地目錄中獲取信息。

3.5 組建團隊

3.5.1 組合代理

將具有不同角色和能力的代理組合在一起，形成一個協(xié)同工作的團隊。確保團隊成員之間的角色互補，能夠共同完成復雜的任務。例如，一個團隊可以包括信息采集員、數(shù)據(jù)分析師、內(nèi)容創(chuàng)作者等不同角色的代理，各自發(fā)揮專長，共同實現(xiàn)項目目標。

3.5.2 定義團隊流程

根據(jù)任務的特點和要求，選擇合適的團隊流程，如順序流程或分級流程。順序流程適用于任務之間具有明確先后順序的場景，代理按照預定順序依次執(zhí)行任務；分級流程則適用于需要管理和協(xié)調(diào)的復雜任務，通過經(jīng)理代理進行任務分配和監(jiān)督。

3.5.3 配置團隊屬性

根據(jù)團隊的需求，設置團隊的各種屬性，如日志記錄詳細程度、最大請求速率、語言設置、內(nèi)存和緩存配置、是否共享團隊信息等。合理的團隊屬性配置能夠優(yōu)化團隊的運行效率，滿足不同場景下的需求。

3.6 執(zhí)行任務與監(jiān)控

3.6.1 啟動團隊任務執(zhí)行

使用??kickoff()??方法啟動團隊的任務執(zhí)行流程，系統(tǒng)將根據(jù)定義的流程和任務分配，驅(qū)動代理開始工作。在任務執(zhí)行過程中，可以通過日志記錄、控制臺輸出等方式實時監(jiān)控任務的進展情況。

3.6.2 監(jiān)控任務執(zhí)行過程

利用 CrewAI 提供的日志記錄功能和相關監(jiān)控工具，密切關注任務的執(zhí)行狀態(tài)、代理的操作步驟、輸出結(jié)果等信息。通過詳細的監(jiān)控，及時發(fā)現(xiàn)任務執(zhí)行過程中可能出現(xiàn)的問題，如代理執(zhí)行錯誤、任務超時、資源占用過高等。

3.6.3 處理任務執(zhí)行結(jié)果

任務執(zhí)行完成后，獲取并處理任務的輸出結(jié)果。根據(jù)任務的預期輸出格式，對結(jié)果進行解析和分析，將有價值的信息提取出來，用于后續(xù)的決策或進一步的處理。同時，根據(jù)任務執(zhí)行的結(jié)果和監(jiān)控過程中發(fā)現(xiàn)的問題，對代理、任務或團隊配置進行必要的調(diào)整和優(yōu)化，以提高系統(tǒng)的性能和準確性。

4. 案例分析：CrewAI 在實際項目中的應用

4.1 智能客服系統(tǒng)

4.1.1 系統(tǒng)架構(gòu)與代理角色

在智能客服系統(tǒng)中，構(gòu)建了多個代理來模擬人類客服的工作流程。其中包括用戶問題接收代理、問題分類代理、信息查詢代理、回答生成代理和回答審核代理等。用戶問題接收代理負責接收用戶的咨詢問題，并將其傳遞給問題分類代理；問題分類代理根據(jù)問題的類型，將其分配給相應的信息查詢代理；信息查詢代理利用各種工具（如知識庫查詢工具、數(shù)據(jù)庫搜索工具等）查找相關信息；回答生成代理根據(jù)查詢到的信息生成初步回答；回答審核代理對生成的回答進行審核和優(yōu)化，確?；卮鸬臏蚀_性和質(zhì)量。

4.1.2 任務流程與協(xié)作

當用戶提出問題時，用戶問題接收代理將問題記錄并傳遞給問題分類代理。問題分類代理通過對問題的關鍵詞分析、語義理解等技術(shù)，將問題分類為常見問題、技術(shù)問題、售后問題等不同類型。然后，根據(jù)分類結(jié)果，將問題分配給對應的信息查詢代理。信息查詢代理根據(jù)問題類型，在知識庫、數(shù)據(jù)庫或外部資源中查找相關信息。例如，對于常見問題，直接從知識庫中檢索答案；對于技術(shù)問題，可能需要查詢技術(shù)文檔或與技術(shù)專家系統(tǒng)進行交互?；卮鹕纱砀鶕?jù)查詢到的信息，運用自然語言生成技術(shù)，將信息轉(zhuǎn)化為清晰、易懂的回答。最后，回答審核代理對回答進行語法檢查、邏輯審核和禮貌性評估，如有必要，進行進一步的優(yōu)化和修改。整個過程中，各個代理通過 CrewAI 的通信機制和任務編排功能，實現(xiàn)了高效的協(xié)作，為用戶提供了快速、準確的回答。

4.2 智能內(nèi)容創(chuàng)作助手

4.2.1 代理功能與分工

智能內(nèi)容創(chuàng)作助手由多個代理協(xié)同工作，包括主題策劃代理、素材收集代理、內(nèi)容生成代理和內(nèi)容潤色代理等。主題策劃代理負責根據(jù)用戶需求或市場趨勢確定創(chuàng)作主題；素材收集代理利用網(wǎng)絡搜索工具、數(shù)據(jù)庫查詢工具等收集相關的素材，如文章、圖片、數(shù)據(jù)等；內(nèi)容生成代理根據(jù)主題和素材，運用自然語言生成算法創(chuàng)作初稿；內(nèi)容潤色代理則對初稿進行語法優(yōu)化、風格調(diào)整和邏輯梳理，使其更符合用戶的要求和預期。

4.2.2 創(chuàng)作過程與協(xié)同機制

當用戶提出創(chuàng)作需求（如撰寫一篇關于 [特定主題] 的文章）時，主題策劃代理首先進行主題分析和策劃，確定文章的大致框架和重點內(nèi)容。然后，素材收集代理根據(jù)主題，在互聯(lián)網(wǎng)上搜索相關的文章、研究報告、案例等素材，并將其整理后傳遞給內(nèi)容生成代理。內(nèi)容生成代理根據(jù)主題框架和收集到的素材，運用深度學習模型生成文章初稿。例如，它可以根據(jù)素材中的觀點、數(shù)據(jù)等生成段落內(nèi)容，組織文章結(jié)構(gòu)。最后，內(nèi)容潤色代理對初稿進行全面的潤色，檢查語法錯誤、優(yōu)化詞匯選擇、調(diào)整句子結(jié)構(gòu)，使文章更加通順、流暢、有吸引力。在整個創(chuàng)作過程中，代理之間通過 CrewAI 的通信和協(xié)作機制，實時共享信息和反饋，確保創(chuàng)作工作的順利進行。

4.3 智能投資決策系統(tǒng)

4.3.1 系統(tǒng)組成與代理職責

智能投資決策系統(tǒng)由市場數(shù)據(jù)采集代理、數(shù)據(jù)分析代理、風險評估代理、投資策略推薦代理和投資組合優(yōu)化代理等組成。市場數(shù)據(jù)采集代理負責從各種金融數(shù)據(jù)源（如股票交易所、財經(jīng)新聞網(wǎng)站、金融數(shù)據(jù)庫等）實時采集市場數(shù)據(jù)，包括股票價格、成交量、宏觀經(jīng)濟指標等；數(shù)據(jù)分析代理對采集到的數(shù)據(jù)進行清洗、整理和分析，提取有價值的信息，如市場趨勢、行業(yè)動態(tài)、公司財務狀況等；風險評估代理根據(jù)數(shù)據(jù)分析結(jié)果，運用風險評估模型評估投資標的的風險水平；投資策略推薦代理根據(jù)市場情況和投資者的風險偏好，推薦合適的投資策略，如長期投資、短期投機、分散投資等；投資組合優(yōu)化代理則根據(jù)推薦的投資策略，對投資組合進行優(yōu)化，確定最佳的資產(chǎn)配置比例。

4.3.2 決策流程與協(xié)作模式

市場數(shù)據(jù)采集代理持續(xù)不斷地收集最新的市場數(shù)據(jù)，并將其傳遞給數(shù)據(jù)分析代理。數(shù)據(jù)分析代理對數(shù)據(jù)進行深度分析，例如通過技術(shù)分析方法預測股票價格走勢，通過基本面分析評估公司的內(nèi)在價值。風險評估代理根據(jù)數(shù)據(jù)分析結(jié)果，結(jié)合歷史數(shù)據(jù)和風險模型，評估不同投資標的的風險程度。投資策略推薦代理綜合考慮市場趨勢、風險評估結(jié)果和投資者的風險偏好，為投資者推薦個性化的投資策略。例如，對于風險偏好較高的投資者，可能推薦更多的股票投資比例；對于保守型投資者，則推薦更穩(wěn)健的債券和基金投資組合。最后，投資組合優(yōu)化代理根據(jù)推薦的投資策略，運用數(shù)學優(yōu)化算法，確定最優(yōu)的投資組合配置，以實現(xiàn)收益最大化和風險最小化。在整個決策過程中，各個代理緊密協(xié)作，通過 CrewAI 的流程編排和通信機制，實現(xiàn)數(shù)據(jù)的高效流轉(zhuǎn)和決策的科學化。

本文轉(zhuǎn)載自???鴻煊的學習筆記???，作者：乘風破浪jxj